📈 economics

When Does AI Adoption Enhance SME Innovation Performance? The Roles of Absorptive Capacity, Entrepreneurial Agility, and Digital Maturity

Deze studie toont aan dat in het MKB de adoptie van AI de innovatieprestaties niet direct verbetert, maar indirect via een serieel mediatiepad waarbij adoptie de absorptiecapaciteit opbouwt om ondernemersgericht wendbaarheid te bevorderen, een proces dat aanzienlijk wordt versterkt door de digitale volwassenheid van het bedrijf.

Oorspronkelijke auteurs: Ali Zokaei Kuhbanani, Léo-Paul Dana, Mohammad Hadi Bolandian, Zahra Najafi Kalyani

Gepubliceerd 2026-07-02

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Ali Zokaei Kuhbanani, Léo-Paul Dana, Mohammad Hadi Bolandian, Zahra Najafi Kalyani

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Grote Vraag: Word je een betere chauffeur door een Ferrari te kopen?

Stel je voor dat je een kleine ondernemer bent (een mkb-bedrijf). Je hoort dat Kunstmatige Intelligentie (AI) de nieuwe "Ferrari" van zakelijke tools is. Het kan trends voorspellen, saaie taken automatiseren en je helpen beslissingen te nemen. Dus je koopt de Ferrari (je adopteert AI).

Het artikel stelt een simpele vraag: Maakt het simpelweg kopen van de Ferrari je automatisch een snellere, betere chauffeur die meer races wint (innovatie)?

Het korte antwoord uit de studie: Nee. Alleen het bezitten van de auto maakt je niet winnaar. Je moet weten hoe je erin moet rijden, je hebt een goede kaart nodig, en je moet klaar zijn om te reageren op de weg.

De Drie Belangrijkste Ingrediënten

Onderzoekers ontdekten dat voor AI echt te helpen bij het innoveren van een klein bedrijf (nieuwe producten, diensten of betere manieren van werken), drie specifieke dingen in een specifieke volgorde moeten gebeuren. Denk hierbij aan een estafette of een recept voor het koken.

1. De Brandstof: Absorptive Capacity (De "Leer-motor")

Wat het is: Dit is het vermogen van het bedrijf om te leren. Het gaat niet alleen om het zien van nieuwe informatie; het gaat om het begrijpen ervan, het mengen met wat je al weet, en uitzoeken hoe je het kunt gebruiken.
De Analogie: Stel je voor dat AI je een bibliotheek van 1.000 nieuwe boeken geeft. Absorptive Capacity is jouw vermogen om die boeken daadwerkelijk te lezen, de verhalen te begrijpen en de lessen te onthouden. Als je de boeken koopt maar ze niet kunt lezen of de taal niet begrijpt, zijn de boeken nutteloos.
De Bevinding: De studie laat zien dat intensief gebruik van AI helpt bij het bouwen van deze "leer-motor". Hoe meer je AI gebruikt, hoe beter je wordt in het leren ervan.

2. De Reflexen van de Chauffeur: Entrepreneurial Agility (De "Snelle Reactie")

Wat het is: Dit is het vermogen om snel te handelen. Het gaat om het spotten van een kans en direct je plan aanpassen zonder vast te lopen in bureaucratie.
De Analogie: Zodra je de boeken hebt gelezen (Absorptive Capacity), weet je nu dat er een kortere route bestaat. Entrepreneurial Agility is de chauffeur die die kortere route ziet en onmiddellijk het stuur omgooit om die te nemen, in plaats van vast te houden aan de oude route. Het is het vermogen om snel bij te sturen.
De Bevinding: De studie vond dat goede "leer-motoren" (Absorptive Capacity) leiden tot betere "reflexen" (Agility). Als je de data begrijpt, kun je sneller bewegen.

3. De Finishlijn: Innovation Performance (De "Race-winst")

Wat het is: Dit is het resultaat: nieuwe producten, betere diensten of een succesvoller bedrijfsmodel.
De Analogie: Dit is het als eerste over de finishlijn komen.
De Bevinding: De studie vond dat Agility degene is die je daadwerkelijk bij de finishlijn brengt. Je kunt de auto hebben (AI) en de boeken (Leren), maar als je niet het stuur omgooit en snel rijdt (Agits), zul je niet winnen.

De Verrassende Wending: De Directe Link is Verbroken

Dit is het belangrijkste deel van het artikel: Het kopen van de Ferrari (AI) maakt je niet direct winnaar van de race.

De studie ontdekte dat als je alleen kijkt naar "AI-gebruik" en "Innovatie", er geen directe verbinding is.

Waarom? Omdat AI slechts een hulpmiddel is. Het produceert data en inzichten. Als je niet de Leer-motor hebt om die data te begrijpen, en de Snelle Reflexen om er actie op te ondernemen, doet de AI niets.
Het Pad: AI $\rightarrow$ Leren $\rightarrow$ Snelle Actie $\rightarrow$ Innovatie.
De Les: Je kunt de tussenstappen niet overslaan. Je kunt niet gewoon AI kopen en verwachten dat er nieuwe producten uit de lucht komen vallen.

Het Geheimwapen: Digital Maturity (De "Conditie van de Garage")

De studie keek ook naar een factor genaamd Digital Maturity.

Wat het is: Dit is hoe "klaar" het bedrijf is voor technologie. Hebben ze goed internet? Weten werknemers hoe ze computers moeten gebruiken? Is de baas ondersteunend? Is de data schoon?
De Analogie: Stel je voor dat je een Ferrari (AI) en een geweldige chauffeur (Agility) hebt. Maar je Garage (Digital Maturity) is een modderige, vervallen schuur zonder brandstofpompen. Zelfs met een geweldige auto en chauffeur kun je de auto niet uit de modder krijgen.
De Bevinding: Als een bedrijf een hoge Digital Maturity heeft (een schone, goed uitgeruste garage), wordt de link tussen het gebruik van AI en het leren ervan veel sterker.
- Hoge volwassenheid: AI-gebruik $\rightarrow$ Super snel leren.
- Lage volwassenheid: AI-gebruik $\rightarrow$ Traag, verward leren.

Samenvatting voor een Algemeen Publiek

Beschouw de adoptie van AI als het kopen van een hoogtechnologisch keukenapparaat.

Het aanschaffen van het apparaat (AI-adoptie) maakt je niet automatisch een geweldige chef-kok.
Je hebt Absorptive Capacity nodig: Het vermogen om het recept te lezen, de ingrediënten te begrijpen en te leren hoe het apparaat werkt.
Je hebt Entrepreneurial Agility nodig: Het vermogen om snel te proeven, de kruiden aan te passen en het gerecht te serveren voordat het koud wordt.
Digital Maturity is je keukenopstelling. Als je keuken rommelig is, geen elektriciteit heeft en je niet weet hoe je het fornuis moet gebruiken, zal dat luxe apparaat je niet helpen om een geweldige maaltijd te koken. Maar als je keuken goed uitgerust en georganiseerd is, helpt dat apparaat je om heel snel heerlijk eten te bereiden.

De Kernboodschap: Kleine bedrijven moeten niet alleen AI kopen in de hoop op magie. Ze moeten hun vermogen opbouwen om eruit te leren, hun teams trainen om snel te handelen op die kennis, en ervoor zorgen dat hun digitale "keuken" klaar is voor de tools. Pas dan verandert AI in echte innovatie.

Technische Samenvatting: Wanneer verbetert AI-adoptie de innovatieprestaties van het MKB?

Probleemstelling
Hoewel Kunstmatige Intelligentie (AI) steeds vaker wordt erkend als een drijfveer voor innovatie, blijft er een aanzienlijke "adoptie-waardekloof" bestaan, met name onder kleine en middelgrote ondernemingen (MKB). Veel bedrijven adopteren AI-tools zonder deze succesvol om te zetten in tastbare innovatie-uitkomsten. Bestaande literatuur behandelt AI-adoptie vaak als een directe antecedent van innovatie of bedrijfsprestaties, waarbij het onvoldoende verklaart welke organisatorische mechanismen de technische implementatie vertalen naar waarde. Bovendien is de specifieke context van het MKB — gekenmerkt door beperkte middelen, minder geformaliseerde innovatieprocessen en een afhankelijkheid van managementcognitie — nog onvoldoende ontwikkeld in AI-onderzoek. Deze studie adresseert de kritieke vraag: Wanneer en via welke capaciteitsroutes verbetert de intensiteit van AI-adoptie de innovatieprestaties van het MKB?

Theoretisch Kader
De studie integreert de Dynamic Capabilities Theory (Teece et al., 1997; Teece, 2007) en de Absorptive Capacity Theory (Cohen & Levinthal, 1990; Zahra & George, 2002). Het stelt een sequentieel model voor de opbouw van capaciteiten voor waarbij:

AI-adoptie-intensiteit fungeert als een technologische input die de Absorptive Capacity (het vermogen om kennis te identificeren, te verwerven, te assimileren, te transformeren en te exploiteren) versterkt.
Versterkte Absorptive Capacity bevordert Entrepreneurial Agility (het vermogen om snel kansen te herkennen, te experimenteren en middelen te herconfigureren).
Entrepreneurial Agility vertaalt deze capaciteiten naar MKB-innovatieprestaties.
Digitale Volwassenheid wordt geponeerd als een randvoorwaarde die de relatie tussen AI-adoptie en absorptiecapaciteit versterkt, en daarmee het downstream indirecte pad beïnvloedt.

Methodologie

Design: Kwantitatief, verklarend, cross-sectioneel survey-design.
Context: MKB-bedrijven opererend in Iran, een opkomende economie die wordt gekenmerkt door middelen- en institutionele beperkingen.
Steekproef: 294 geldige reacties van MKB-bedrijven die AI-tools hebben geadopteerd of ermee hebben geëxperimenteerd. De respondenten omvatten eigenaren, CEO's, innovatiemanagers en IT-managers.
Gegevensverzameling: Er werd een doelgerichte steekproefstrategie gebruikt om ervoor te zorgen dat respondenten directe kennis hadden van AI-gebruik en innovatieactiviteiten.
Meting: Vijf reflectieve constructen werden gemeten met behulp van aangepaste schalen (7-punts Likert): AI-adoptie-intensiteit, Absorptive Capacity, Entrepreneurial Agility, MKB-innovatieprestaties en Digitale Volwassenheid.
Analyse: Partial Least Squares Structural Equation Modeling (PLS-SEM) werd toegepast met behulp van SmartPLS. De analyse volgde een tweestapsbenadering: beoordeling van het meetmodel (betrouwbaarheid, validiteit) en het structurele model (padcoëfficiënten, mediatie, moderatie).
Validatie: De studie maakte gebruik van bootstrapping (5.000 subsamples) voor significantietoetsing en PLSpredict om de predictieve relevantie buiten de steekproef te beoordelen. Common method bias werd aangepakt via procedurele remedies en collineariteitsdiagnostiek.

Belangrijkste Resultaten
De empirische analyse leverde de volgende bevindingen op:

Alleen Indirecte Mediatie: Het directe effect van AI-adoptie-intensiteit op MKB-innovatieprestaties was niet statistisch significant ( $\beta = 0,079, p = 0,142$ ). Echter, het totale effect en het seriële indirecte effect waren wel significant. Dit duidt op een alleen indirecte mediatiemechanisme.
De Capaciteitsketen:
- AI-adoptie-intensiteit heeft een positief effect op Absorptive Capacity ( $\beta = 0,391, p < 0,001$ ).
- Absorptive Capacity versterkt Entrepreneurial Agility sterk ( $\beta = 0,555, p < 0,001$ ).
- Entrepreneurial Agility verbetert de MKB-innovatieprestaties significant ( $\beta = 0,484, p < 0,001$ ).
Seriële Mediatie: Het seriële pad (AI-adoptie $\rightarrow$ Absorptive Capacity $\rightarrow$ Entrepreneurial Agility $\rightarrow$ Innovatieprestaties) was significant ( $\beta = 0,105, p < 0,001$ ), wat het voorgestelde sequentiële mechanisme bevestigt.
Modererende Rol van Digitale Volwassenheid: Digitale volwassenheid moduleert de relatie tussen AI-adoptie-intensiteit en Absorptive Capacity positief ( $\beta = 0,128, p = 0,008$ ). De interactieplot laat zien dat het positieve effect van AI-adoptie op de absorptiecapaciteit aanzienlijk sterker is bij bedrijven met een hoge digitale volwassenheid.
Gemodereerde Seriële Mediatie: Digitale volwassenheid versterkt het gehele indirecte pad, wat betekent dat het proces van capaciteitsopbouw effectiever is in digitaal volwassen MKB-bedrijven.
Predictieve Relevantie: De PLSpredict-resultaten gaven een bevredigende indicator-niveau predictieve relevantie voor MKB-innovatieprestaties, waarbij het PLS-SEM-model de lineaire benchmark overtrof wat betreft de Root Mean Square Error (RMSE).

Belangrijkste Bijdragen
Het artikel claimt vier primaire theoretische bijdragen:

Verschuiving in de AI-Innovatie Logica: Het gaat verder dan het perspectief van directe effecten en laat zien dat AI-adoptie geen op zichzelf staande voorspeller van innovatie is. In plaats daarvan functioneert het als een input in een proces van capaciteitsopbouw.
Uitbreiding van de Absorptive Capacity Theory: Het positioneert absorptiecapaciteit als de cruciale "kennisverwerkingsbrug" tussen AI-adoptie en ondernemend handelen, waarbij wordt aangetoond dat AI de capaciteit van het bedrijf om externe kennis te verwerken versterkt.
Entrepreneurial Agility als Mechanisme: Het identificeert ondernemende wendbaarheid als het actiegerichte mechanisme waardoor geabsorbeerde kennis wordt omgezet in innovatieprestaties, waarmee de AI-literatuur wordt gekoppeld aan de ondernemingstheorie.
Digitale Volwassenheid als Randvoorwaarde: Het theoretiseert en ondersteunt empirisch dat digitale volwassenheid niet louter een achtergrondfactor is, maar een cruciale voorwaarde die bepaalt of AI-adoptie kan worden omgezet in absorptiecapaciteit en vervolgens in innovatie.

Betekenis en Claims
De studie concludeert dat de innovatiewaarde van AI in het MKB minder afhangt van de daad van adoptie zelf, en meer van de organisatorische capaciteiten die bedrijven in staat stellen om te leren van AI en te handelen op basis van door AI gefaciliteerde inzichten. De auteurs stellen dat AI niet innoveert namens het MKB; in plaats daarvan innoveren MKB-bedrijven met AI alleen wanneer zij beschikken over de noodzakelijke digitale volwassenheid, absorptiecapaciteit en ondernemende wendbaarheid.

De bevindingen suggereren dat voor AI om innovatie te bevorderen, het MKB zich moet richten op het opbouwen van complementaire capaciteiten — specifificer de mogelijkheid om AI-gegenereerde data te interpreteren en de wendbaarheid om er naar te handelen — in plaats van technologieverwerving te beschouwen als een voldoende voorwaarde voor succes. De studie benadrukt dat in opkomende economieën met beperkte middelen, deze capaciteitsvoorwaarden nog crucialer zijn voor het overbruggen van de adoptie-waardekloof.